基于流形正则化的支持向量机文本分类

• 作者: 袁爱领 钱旭 齐伟
• 来源期刊: 软件
• 学科: 工学
• 关键词: 半监督学习 正则化 核方法 流形学习 无标签数据 支持向量机 图谱轮
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 理论计算机科学
• 页码范围: 65-68
• 页数: 4页
• 分类号: TP391.1
• 字数: 4087字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2013.02.021

摘要

支持向量机(Support Vector Machine,SVM)是一种Vapnik等在统计学理论的基础上发展起来的可训练机器学习的方法.它主要针对小样本的机器学习,具有泛化性能好、高维操作方便、适应性强、全局优化、训练时间短、理论完备等特点,因此得到了日益广泛的应用和研究.本文将半监督学习算法应用到基于支持向量机的文本分类技术[1-2]中,提出了一组基于几何正则化方式的学习算法.虽然这种新型算法适用于无监督到完全监督的整个范围,本文专注于半监督学习算法方面的研究.之后,本文讨论了新型方法在SVM算法上的扩展.实验数据表明,这种新型算法可以有效的使用未标记数据.